CVPRNov, 2017

第一人称视角视频中的未来人物定位

PDF
TL;DR我们提出了一个新的任务，旨在预测在佩戴式摄像机拍摄的第一人称视频中被观察者的未来位置，我们将三个关键观察结果融入到多流卷积 - 解卷积体系结构的预测框架中，实验结果表明我们的方法在我们的新数据集以及公共社交互动数据集上是有效的。
first-person videosfuture locationsprediction frameworkmulti-stream architectureperson localization
发现论文，激发创造
  • 利用自我运动特征在第一人称视频中定位个体

    本文提出了一种基于自恋的头部运动的自我搜索技术，能够在可穿戴相机拍摄的第一人称视角视频中识别自己，以解决由这种技术带来的隐私问题，并且该技术能够应用于隐私过滤、目标视频检索以及社交群聚等实际场景中。

    Jun, 2016

  • 窥探未来：预测视频中未来个人活动和位置

    本文提出了一种基于多任务学习的端到端学习系统，利用丰富的视觉特征和人类行为信息相互作用来预测行人未来的路径和活动，实证证明了该方法可以提高未来轨迹预测的准确性，并且还可产生有意义的未来活动预测。

    Feb, 2019

  • 基于第一人称视频的社交行为预测

    本文提出了一种从篮球运动员的第一人称视频中预测其未来运动轨迹 (位置和视线方向) 的方法，该方法利用了第一人称视频中独特的学习信号和 3D 重建技术，通过 Siamese 神经网络和长期循环卷积网络实现了对未来运动的预测。

    Nov, 2016

  • 在第三人称视频中识别第一人称摄像头佩戴者

    本文提出了一种新的半孪生卷积神经网络架构，以解决第一人称和第三人称视频之间的人物层面的对应关系问题，在关注联合场景理解，物体追踪和活动识别方面有显着的性能提升。

    Apr, 2017

  • 在线动作和交互定位和预测

    本文提出了一种面向人的在线方法，用于视频中行动和互动的定位和预测。通过使用姿态估计和外观模型结合条件随机场和结构 SVM 方法，该方法可在数帧画面内准确地定位和预测动作和互动。

    Dec, 2016

  • 在同步第一人称和第三人称视频中进行联合人物分割和识别

    该论文探讨了视频分析的相关问题，特别是像素级的人物分割，同时解决了第三人称视频中拍摄者身份的鉴定。通过使用多视角匹配的方法，在不需要人工标记的情况下实现了对多视角数据的人物识别和身份匹配。

    Mar, 2018

  • 从视频预测三维人体动态

    本篇论文提出了一种可以根据过去的视频输入，预测人体未来三维网格模型序列的方法，通过引入自回归模型在中间潜在空间上进行预测，有效地促进了自回归预测。

    Aug, 2019

  • You2Me: 通过第一和第二人称交互推断自我中心视频中的身体姿态

    本文提出了一种基于学习的方法，通过与另一个人的互动来估计身穿相机人的三维身体姿态，演示了我们的想法在多个领域的相关应用和视频实现。

    Apr, 2019

  • 利用第一人称视角装置进行自我中心视场定位

    使用第一人称视角设备拍摄的图像、视频和传感器数据来实现自我的视场定位，并进行图像和视频匹配，最后用于增强现实、事件理解和社交交互研究。

    Oct, 2015

  • 基于轨迹对齐的特征用于第一人称动作识别

    该研究旨在研究在第一人称视角下，如何准确识别行为。为此，提出了一种新颖的特征轨迹表示方法，并且使用所提出的方法在公开数据集上实现了 11% 的性能提升，该方法可以识别出佩戴者的各种行为，且不需要分割手 / 物体或识别物体 / 手的姿态。

    Apr, 2016